Что это
Представь, что ты диктуешь другу рисунок по клеточкам: вместо «голубой, голубой, голубой, голубой, голубой» проще сказать «пять голубых». Сжатие файлов работает так же: тот же самый файл записывается меньшим числом бит, потому что повторы записываются коротко.
Зачем это нужно
Каждую секунду по миру летят горы фотографий, видео и данных для обучения нейросетей, и без сжатия интернет и дата-центры просто захлебнулись бы. Видеосервисы, видеозвонки, снимки космических телескопов и марсоходов — всё это проходит через сжатие. Нейросети уже помогают сжимать ещё лучше, но решать, где можно выбросить детали, а где нельзя потерять ни бита, как в медицинском снимке или в программе, должен человек, который понимает, как это устроено. Такие специалисты нужны везде, где данных много, а канал связи или память ограничены.
Как это работает
Архиватор ищет в файле повторы и заменяет их короткой записью. Самый простой способ — кодирование длин серий: подряд идущие одинаковые элементы записываются как число и цвет. Чем больше одноцветных участков, тем короче код, а пёстрый шум после такого кодирования может стать даже длиннее исходника. Бывает сжатие без потерь, когда после распаковки файл точно такой же, как у архивов, и с потерями, как у форматов для фото, музыки и видео, где выбрасываются детали, которых глаз и ухо почти не замечают.
Немного истории
Идея записывать частое коротко появилась задолго до компьютеров. Когда в девятнадцатом веке создавали телеграфную азбуку Морзе, самым частым буквам английского языка дали самые короткие коды: самая частая буква передаётся всего одной точкой. Так телеграфисты экономили время на каждом сообщении — по сути, это было одно из первых сжатий данных.
Формула: объём кода
В нашем опыте каждая серия записывается одинаковым числом бит: в записи есть длина серии и код цвета, всего шесть бит. Шесть получается так: на длину серии до шестнадцати пикселей нужно четыре бита, а на один из четырёх цветов — ещё два. Поэтому объём сжатой картинки, вэ, равен эн умножить на шесть бит, где эн — число серий. Значит, всё решает число серий: каждая лишняя смена цвета в строке добавляет новую серию и ещё шесть бит. Если серий станет вдвое меньше, и код станет вдвое короче.
V = n · 6 битV — объём сжатого кода, бит
n — число серий, —
Формула: степень сжатия
Чтобы понять, насколько хорошо сработало сжатие, делим исходный объём на сжатый: ка равно вэ ноль делённое на вэ. Исходная картинка без сжатия весит триста двадцать бит: в ней сто шестьдесят пикселей, и на цвет каждого уходит два бита. Если ка больше единицы, файл стал меньше; если меньше единицы — сжатие только навредило, как бывает с шумом. Чем меньше серий, тем меньше знаменатель и тем больше степень сжатия.
k = V₀ / Vk — степень сжатия, раз
V₀ — объём без сжатия, бит
V — объём после сжатия, бит
Что будем делать на практике
А теперь давай попробуем выполнить практическое задание. Перед тобой картинка шестнадцать на десять пикселей из четырёх цветов, а рядом её код по строкам: сколько пикселей какого цвета идёт подряд, и общая степень сжатия. Сначала нажми кнопку «Шум» и посмотри, что станет с числом серий и со сжатием. Потом возьми кисть и нарисуй свою картинку, где есть все четыре цвета, но которую кодирование сожмёт хотя бы в три раза. Подумай, от чего зависит число серий в строке и как сделать их поменьше, и проверяй себя по формулам. Если что-то осталось непонятным — ничего страшного, спроси меня о чём угодно, я отвечу. Не переживай.